機械学習
あまり意識しないけど、機械学習等は基本的にユークリッド空間を仮定している（連続空間）
- 距離を知りたかったらユークリッド距離とか
- 一般化してLp距離 ...
Lp距離
Search
あまり意識しないけど、機械学習等は基本的にユークリッド空間を仮定している（連続空間）
- 距離を知りたかったらユークリッド距離とか
- 一般化してLp距離 ...
Lp距離
〜イズムとか イズムって言うのは方法論の全体的な傾向をまとめたに過ぎない 全体的な傾向を元に、未知の問題に対する主張を出す みがある http://www.autodidactproject.org/other/gouldner6/DIT-1.html Ideologyについてメタ的に議論した文 内容がヘビーなのでintroしか読んでないけど、イデオロギーについて考えたい時には読んだ方が良さそう...
... グリッドサーチの結果一番良いパラメーターを選んでも、テストケースに最適化されてしまってる そのパラメーターでテストケースを使っても正しく検証できていない テストケースから情報が漏洩している もう一段階テストケースいれたりする #Pythonで始める機械学習習...
...#写真 (等) 最近はFairness(AIが的方向に偏る問題について)も取り扱われる 掛け合わせ: x x 、等 歴史 : ののベクトルで : のの手法を応用 画像の: 方法 (初歩的なもの) ベクトルに変換 改善するなら、 画像の一部分のデーターではなく、認識に適した画像（）を使う One-hotではなくもっと複雑な表現を使う NLPの系譜と似たものを感じる 考え方としては、画像の縦横次元を圧縮しつつ、深さの次元を展開していく 階層構造 のところの図と同じ考え方 人間が集めたデーターセットでやっている以上、人間の認知に適応、過学習していく そりゃそう、それが目的 的な話になってくるけど、を認識できるかみたいな議論に画像認識関わってきそう 人間がラベル付けしないとは当然認識できない あえて人間の存在を極力無視した上で物体検出につながるようなことやったらどうなるんだろう それがか、教師なし学習で物体検出（に近いこと）できるのかな 自然言語によるラベル付けは当然できないけど 人間以外の視覚の知的な捉え方を生み出せたりする? 知的と呼べるレベルまで行けるのかな というか人間が理解できないと知的って言えない?......
2021 https://www.youtube.com/watch?v=EZdRrvuJYFA 須貝さんの解釈 > イレギュラーなテーマではあったけど、複雑なものに解釈を与えて理解を試みるという「」をやっている研究が選ばれている （もちろん昔の研究だからそんなにないだろうけど、）パワーで殴る系の研究への的メッセージがあるっていう事なのかな 個人の価値観としても、「複雑なものに解釈を与えて理解を試みる」という営みの方が面白いと感じる...
とかの元 一個だけのだと、表現力低いから使い物にならない じゃないといけない クラス分け問題 方法 重み[ベクトル]とxベクトルの内積の正負が、2つのベクトルが同じ側をむいているかどうかを表す 同じ側を向いていない=が負だったら、重みベクトルをxベクトル+重みベクトルに更新 これを全データーでやる #Pythonで始める機械学習 パーセプトロンの表し方は二種類ある 一つは、上の画像みたいに、Biasをインプットの一つ（値は常に1）にして、その重みがbiasになるというもの もう一つは、バイアスをパーセプトロンの内部値として持つタイプ 前者の方が多く使われるらしい AND operatorとかも、パーセプトロンで表現できる↓ ↑のみたいなパーセプトロンを組み合わせるとXOR↓が作れる、シンプルなニューラルネットワーク? #UdacityIntrotoDeepLearningwithPyTorch とかを使って、出力を値にしないといけない なぜなら、値だと少し動かした時に変化が起きないから ...
各パターンの包含関係をグラフとして表現 パターン: 要素の集合 ex: 購買データーで、ある客が買った商品の集合 なぜこの表現を使う? 各パターンの頻度とか確率とか（例: 購買データーの各商品の頻度/確率）を知りたいとき 全探索してると回かかる アルゴリズムを使うと、 包含関係がグラフとしてわかっているので、全てに対して頻度/確率を計算する必要がなくなる 頻度は、自分の下にあるノードを全部足せば得られる 確率分布も、の手法を使って求められる 経験分布ではなく確率分布を得られる 経験分布: 持ってるデーターをそのままプロット 確率分布: より本当の分布に近いと考えられるようにいじられた分布（ノード間の関連性から本当の分布を推測） #パターンマイニング...
講義 : ,, etc （伝統的）ロボットと（伝統的）人工知能 は現実の話（物理モデル, 線形近似）（電気と機械） は形式世界の話（グラフィカルモデル）（情報と通信） 従来は結構離れた分野だった これが、だんだん融合してきている 例: 深層学習()のロボットへの応用 画像(RGB-D)とそのグリップ位置の対応のがある RGB-Dは、rgbに加えてDepthもある画像 それを学習すれば、ロボットが見ているもののグリップ位置がわかる （余談）実験: rgb-dのどの情報が重要? rgbdのそれぞれの情報を抜いたら、rgbの方がdより重要だった（rgbを抜く=白黒にする） ただ、そのデーターセットを使ってみても、実際のロボットで物体を掴むというのはできなかった（！） ただの視界とターゲット位置だけではだめで、ロボットのが重要 実際のが環境と関わり合うという部分を捉えなければ、物体を掴めるようにならない #ロボット...
非専門家にとってのいわゆる「AI」という概念は に書く 、等の広義「人工知能」の分野マップ Source: http://kamishima.net/archive/MLDMAImap.pdf 強い名がそれぞれの分野について書かれてる #研究 から始まった も流れの一つ? ...
https://www.nii.ac.jp/tatsujin/program/ やった事 これら全ての分野の講義動画を視聴 (+視聴内容を報告) 30講座くらいある(先生一人につき一講座)、1講座が1~2時間くらいの動画 そこらの大学の情報科より価値あるのでは? ある意味、多分野で「」状態までたどり着くみたいな講義なのかもw 元々、非研究者にも届いてくる世界(HCIとかDL系とか)しか知らなかった 数学要素強めな世界のが上がって良かった 短期間に超多分野の内容を学ぶので、分野間の方法論の繋がりだったり、複数の捉え方だったりが見えて面白い ex: と 複数の分野から見た なんとなくいろんな分野でみる共通のパターンみたいなのを感じてるんだけど、これをしたい 講義を見ただけなので、誤解している点とかもあると思う このScrapboxで、内容が合っているか不安な点は文末に「?」を付けてる と思ったので、学んだ内容にタグはつけていない（20200925に消した） https://scrapbox.io/blu3mo/search/page?q=情報科学の達人 でノートが見れる #情報科学 #Computer_Science...
山中俊治 Shunji Yamanaka(@Yam_eye) 私たちが自然を通じて認識する「美しさ」には２種類ある。一つは景色や生き物から直接受け取る美的体験、もう一つはその背景にあるルールが見えた時に得られる美的体験。かつては前者はアーティストのもの、後者は科学者のものだった。 #多摩美術大学特別講義 https://twitter.com/Yameye/status/1462090326944923650?refsrc=twsrc^google|twcamp^serp|twgr^tweet で、美しいと言われるもの これ、自分が何が好きなのかと言うのとも関わってくるので追い求める意味ありそう #物事をシンプルに説明する をやっている これ、要は と同じ議論か #決定論 よりシンプルな議論になりそうだけど 20201229 なんで抽象化したシンプルな記述を求めるのかが今まで説明できなかったけど、最近「美」とかそういうのじゃなくてシンプルに便利ってだけなのかなと思って来ている https://scrapbox.io/villagepump/数学の学び方#6396bf11aff09e000019ea2b これ、というのか 抽象化すると、シンプルな記述（脳で処理しやすい）でさまざまな複雑な具体を処理できる さらに、良い具合に抽象化すれば、未知の事象にも適応できる これは多分確率の話で、因果の連なりがシンプルの方が起こりやすいという （因果の連なりって人間の認識にどのくらい頼ってるんだろう） 「良い具合」が、における（避け） https://twitter.com/fukuso_sutaro/status/1418859563290402823?s=21 #自分...
... - Cが大きいと、正則化が弱くなる (アルファと逆) - つまり、正則化が弱い => 過学習 => 細かい点に引っ張られやすくなる(3つ目のグラフ) #Pythonで始める機械学習習...
... k=1だと、外れ値が2つ近い場所にあるみたいな場合に見つけられない なのでk=2,3,とかにする #機械学習習...
...人間がの入力/出力を行う仕組みを知りたい とか使わないと脳の情報処理はわからない なので、な言語を通じて仕組みを探る やることの一部 : ツイート等の膨大な自然言語データーから情報を得る ただの言語の処理だけではない 言語が持つ意味、知識、感情等、人間の知能に関わる深いところまで繋がる イメージ以上に広い分野 方法論 文字列として処理はできない （ケヤキとケーキは文字列としては近い、意味的には全然違う） 意味をどのように扱うか 意味とは?: 人間が性を判定できるもの （頭の中の処理は観察できないので、できる同値性の判定を用いる） 「」と「連続的規則性」をどう組み合わせるか 自然言語の構造は、正誤がはっきりしている = 値構造的な規則性がある ex: 画像とかなら一ピクセル変えてもそんなに影響ない、でも自然言語で一文字変えると大きな問題 ただ、性、性もある (的、値的な性質） 言語のあいまい性と直結 つまり、的・的の複合的な性質を持つ 何をコーパスから学ぶか 自然言語テキストデーターのことを「」という 等をコーパスから学べる ex: (文らしさを評価) 技術として一番よく使うのはやはり 文章の構文を理解する技術 詳しく↑に書いた 文章/単語の意味を理解する技術......
https://www.jstage.jst.go.jp/article/tvrsj/22/4/22477/pdf/-char/ja のサイズを保ったまま、インターフェースの幅を広げる研究。 [[耳]]を掴んで上下左右に動かす動きをで認識して、耳のに動きを割り当てる。 でジェスチャーを判別。 #文献ログ...
...#iOS #暗記 #学習 内容は↑の通り 202103，レビューが急に増えてた ああいうのを見るとモチベが生まれてきてしまう 聞き流し特化でちゃんと作ったら可能性あるかも?と思えてきた 快適な聞き流し体験に特化してquizletに勝つみたいな なんならquizletベースでも良い気もするけど 時間があったらやってたかも まあkinetoにフォーカス? というかkinetoとうまくシナジー(?)生めないかな (シナジーってなんか胡散臭く聞こえるな) 今考えると点がめっちゃあるのでメモっておく /企画段階について 2017 MakeSchool Tokyoで学生向けスケジュールアプリみたいなのを作りかけた これはdriveにUIデザインが残ってる 途中でして、単語帳アプリ作ったんだっけな その後、MakeSchool SFに参加して、企画を改めて考える過程で結局単語帳にしたみたいな感じだったはず Quizletが圧倒的に強いのは把握してたから、quizletで出来ないことを単語帳でやらないとなーって思ってた 元々AIサポート（「AI」というバズワード）的なことを考えてた さすがに中学生なので仕方がない この頃に本を買って挫折 そんなこんなで、聞いて覚えるというコンセプトにたどり着いた 論文読みたいなーとか思ってたけど結局サーベイなにもしなかったはず（中学生なので仕方ない） はちゃんとやっててすごい このプロセスで一番問題なのは、ニーズをみていない点 「単語帳アプリを作る」ために開発してた 開発プロセスは楽しかったんだけど、結局Quizletを皆使う 僕もquizletを使う。 ユーザーテストみたいな事はmakeschoolでみんなでやったけど、あくまでも数分アプリをいじってもらうだけ 本当に使われた事は一度もない ここだよなーと もありうるかも知れんって思った、怖い 気をつけていきたい まじでちゃっちゃとをしろ（まじで）（自戒） あと、シンプルにデザインに時間を食い過ぎた気がする......
...情報科学の達人プログラム 1期 - 2020/5 ~ 2021/3 、、、、、などの幅広いトピックの講義を受けた後、Saliencyを用いた授業映像要約の研究に取り組みました。 出来る事・取り組みたい事 実験用システムの開発 様々なプラットフォームや技術の開発を行ってきたため、幅広いプロジェクトに対応 具体的には、以下を含む様々な技術を用いた開発の経験があります Swift, Kotlin, Java, Typescript, C++, Ruby 等の言語 iOS, Android, Web (React), Unity 等のフロントエンド関連技術 Firebase, MySQL, GCP (Compute Engine), MongoDB 等のバックエンド関連技術 OpenCV, Tensorflow, PyTorch 等のライブラリ 被験者実験用システムの開発・運用も、未踏事業時のユーザテストや高校時代のVRに関する研究で行った経験があります。 経験がない技術でも、インターン開始までに可能なキャッチアップします。 「体験を通じて研究する」サイクル 講演動画等を拝聴した限り、自分の興味にとても近いように感じています。 実際に研究に携わらせて頂く事で、このサイクルにおける思考プロセスや実践的知見を吸収させて頂きたいです。......
...University, Computer Science Department; Wagner, Adrian: RWTH Aachen University, Computer Science Department; Zhang, Haimo: The University of Auckland, Auckland Bioengineering Institute; Borchers, Jan: RWTH Aachen University, Computer Science Department; Nanayakkara, Suranga: The University of Auckland, Augmented Human Lab, Auckland Bioengineering......